| 연구목표 |
본 과제에서는 데이터의 양적·질적 수준에 크게 의존하는 기존 지도학습 기반 의미적 이미지 분할 기술의 한계를 극복하는 것을 목표로 한다. 이를 달성하기 위해, 데이터 효율이 높은 이미지 분할 기술로 다음 세 가지 방법론을 개발하고자 하며, 이는 1) 약지도 기반, 2) 준 지도 기반, 그리고 3) 가상데이터 기반의 의미적 이미지 분할 학습 방식이다. 3년의... |
| 연구내용 |
● 1차 연도: 활성화 지도에서 유사 분할지도로 변환을 더욱 정확하게 하는 기술을 개발한다. 이진화 조건을 활용하여 활성화 지도를 한곗값에 강건하고, 정확하게 유도한다. 이미지 레이블 정보를 활성화 지도 보정에 활용, 이미지 레이블에 등장한 객체 클래스만 활성화되도록 모델을 설계한다. ● 2차 연도: 동시 등장하는 객체의 분할을 위해 다양한 비지도 모델을 ... |
| 기대효과 |
의미적 이미지 분할 기술은 의료 진단 및 치료(복부 장기를 분할, 이를 진단 및 방사선 치료 등에 활용), 자율주행(실시간으로 행인, 주변의 위치를 탐지하여 통해 우회·회피·제동을 결정), 위험물 검출(화물 내 마약·폭탄 검출 등), 원격 감시 시스템(이상행동 탐지), VR/AR 환경에서 가상 객체의 자연스러운 실영상 합성(객체의 전·후경 분리 후 자연스러... |
| 키워드 |
의미적 이미지 분할,약지도 기반 학습,준 지도 기반 학습,가상데이터 기반 사전모델 학습,전이학습,데이터 효율 |